本公开涉及智能驾驶，尤其涉及一种运动状态估计方法、运动状态估计模型训练方法及装置。
背景技术：
1、智能驾驶系统中，通常处于行驶状态的车辆(自车)需要感知行驶环境中的动态对象(本公开实施例中可将动态对象称之为目标物)，以根据目标物的运动状态和自车的运动状态进行驾驶决策。若无法准确地评估目标物的运动状态，则将直接影响决策的准确性，进而影响驾驶安全。因此，如何准确地估计目标物的运动状态已成为亟需解决的技术问题。
2、目前，主要通过显示构建的运动模型(数学模型)来估计目标物在当前时刻和未来时刻(例如，下一时刻)的运动状态，并利用卡尔曼增益纠正目标物在当前时刻和未来时刻的运动状态，实现对目标物的运动状态的估计。
3、然而，由于显示构建的运动模型对应固定的运动模式，且需要根据自车的实际行驶环境调节相关的噪声矩阵以确定与实际行驶环境相对应的卡尔曼增益，因此，上述运动状态估计方案的应用场景受限，且存在噪声矩阵调节过程较为繁琐且耗时较大的问题。
技术实现思路
1、通常，需要通过固定运动模式对应的运动模型估计目标物的运动状态，且需要根据自车的实际行驶环境调节相关的噪声矩阵以确定与实际行驶环境对应的卡尔曼增益，因此，应用场景受限，且存在噪声矩阵调节过程较为繁琐且耗时较大的问题。为了解决上述技术问题，本公开提供了一种运动状态估计方法、运动状态评估模型训练方法及装置，能够解决应用场景受限以及噪声矩阵调节过程较为繁琐且耗时较大的问题。
2、本公开的第一个方面实施例，提供了一种运动状态估计方法，包括：确定多个历史时刻中各历史时刻自车与目标物之间的第一距离；基于自车在当前时刻的感知数据，确定当前时刻自车与目标物之间的第二距离；对多个第一距离和第二距离进行拟合处理，得到目标物在多个历史时刻的运动状态；基于运动状态估计模型对目标物在多个历史时刻的运动状态进行处理，得到目标物在当前时刻的第一估计运动状态以及目标物在未来时刻的第二估计运动状态。
3、本公开的第二个方面实施例，提供了一种运动状态估计模型训练方法，包括：确定多组样本数据，其中，各组样本数据包括第一时刻自车与目标物之间的第一样本距离、多个第二时刻中各第二时刻自车与目标物之间的第二样本距离、目标物在第一时刻的第一样本运动状态真值和目标物在第三时刻的第二样本运动状态真值，其中，第二时刻在第一时刻之前，第三时刻在第一时刻之后；对各组样本数据中第一样本距离和多个第二样本距离进行拟合处理，得到目标物在多个第二时刻的样本运动状态；基于运动状态估计初始模型对目标物在多个第二时刻的样本运动状态进行处理，得到目标物在第一时刻的第一预测运动状态和目标物在第三时刻的第二预测运动状态；以第一预测运动状态和第二预测运动状态作为运动状态估计初始模型的初始训练输出，第一样本运动状态真值和第二样本运动状态真值作为监督信息，迭代训练运动状态估计初始模型得到训练完成的运动状态估计模型。
4、本公开的第三个方面实施例，提供了一种运动状态评估装置，包括：第一确定模块，用于确定多个历史时刻中各历史时刻自车与目标物之间的第一距离；第二确定模块，用于基于自车在当前时刻采集的感知数据，确定当前时刻自车与目标物之间的第二距离；第一拟合处理模块，用于对多个第一距离和第二距离进行拟合处理，得到目标物在多个历史时刻的运动状态；第一运动状态估计模块，用于基于运动状态估计模型对目标物在多个历史时刻的运动状态进行处理，得到目标物在当前时刻的第一评估运动状态以及目标物在未来时刻的第二估计运动状态。
5、本公开的第四个方面实施例，提供了一种运动状态评估模型训练装置，包括：第三确定模块，用于确定多组样本数据，各组样本数据包括第一时刻自车与目标物之间的第一样本距离、多个第二时刻中各第二时刻自车与目标物之间的第二样本距离、目标物在第一时刻的第一样本运动状态真值和目标物在第三时刻的第二样本运动状态真值，其中，第二时刻在第一时刻之前，第三时刻在第一时刻之后；第二拟合处理模块，用于对各组样本数据中第一样本距离和多个第二样本距离进行拟合处理，得到目标物在多个第二时刻的样本运动状态；第二运动状态估计模块，用于基于运动状态估计初始模型对目标物在多个第二时刻的样本运动状态进行处理，得到目标物在第一时刻的第一预测运动状态和目标物在第三时刻的第二预测运动状态；其中，第三时刻在第一时刻之后；训练模块，用于以第一预测运动状态和第二预测运动状态作为运动状态估计初始模型的初始训练输出，第一样本运动状态真值和第二样本运动状态真值作为监督信息，迭代训练运动状态估计初始模型得到训练完成的运动状态估计模型。
6、本公开的第五个方面实施例，提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序用于执行上述第一个方面提供的运动状态评估方法，或者，第二个方面提供的运动状态估计模型训练方法。
7、本公开的第六个方面实施例，提供了一种电子设备，该电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行指令以实现上述第一个方面提供的运动状态评估方法，或者，第二个方面提供的运动状态估计模型训练方法。
8、本公开的第七个方面实施例，提供了一种计算机程序产品，当计算机程序产品中的指令被处理器执行时，执行上述第一个方面提供的运动状态评估方法，或者，第二个方面提供的运动状态估计模型训练方法。
9、本公开实施例提供的运动状态估计方法，通过目标物在历史时刻的运动状态，利用运动状态估计模型估计目标物在当前时刻和未来时刻的运动状态，并不需要通过固定运动模式对应的运动模型评估目标物的运动状态，因此不受限于运动模型对应的运动模式，应用场景更为广泛。且由于不需要通过卡尔曼增益纠正运动状态，因此，也无需根据自车的实际行驶环境调节相关的噪声矩阵，进而能够缩短估计运动状态的时间，节约成本。
1.一种运动状态估计方法，包括：
2.根据权利要求1所述的方法，其中，所述对多个所述第一距离和所述第二距离进行拟合处理，得到所述目标物在多个所述历史时刻的运动状态，包括：
3.根据权利要求1或2所述的方法，其中，所述基于运动状态估计模型对所述目标物在多个所述历史时刻的运动状态进行处理，得到所述目标物在所述当前时刻的第一估计运动状态以及所述目标物在未来时刻的第二估计运动状态，包括：
4.根据权利要求3所述的方法，其中，所述基于所述运动状态估计模型中的运动状态估计网络对所述运动特征进行处理，得到所述目标物的所述第一估计运动状态和所述第二估计运动状态，包括：
5.一种运动状态估计模型训练方法，包括：
6.根据权利要求5所述的方法，其中，所述以所述第一预测运动状态和所述第二预测运动状态作为所述运动状态估计初始模型的初始训练输出，所述第一样本运动状态真值和所述第二样本运动状态真值作为监督信息，迭代训练所述运动状态估计初始模型得到训练完成的运动状态估计模型，包括：
7.根据权利要求6所述的方法，其中，所述基于所述第一预测运动状态、所述第二预测运动状态和物理运动规则，确定第二损失值，包括：
8.根据权利要求6所述的方法，其中，所述基于所述基于所述第一预测运动状态、所述第二预测运动状态、所述第一样本运动状态真值和所述第二样本运动状态真值，确定第一损失值，包括：
9.一种运动状态估计装置，包括：
10.一种运动状态估计模型训练装置，包括：
11.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-4中任一项所述的运动状态估计方法，或者，所述计算机程序用于执行上述权利要求5-8中任一项所述的运动状态估计模型训练方法。
12.一种电子设备，所述电子设备包括：
